/ Модель

Характеристики

Контекст
1 024 токена
Параметры
171 млн
Лицензия
CC BY 4.0
Архитектура
deberta-v2 · dense
Базовая модель
sam-vit-base
Библиотека
transformers
Опубликована
17 июл 2026

deberta-base-75k-sam_ext-s2

Заполнение пропусковТекст → текст3 профессии

Исследовательская DeBERTa-v3-base с визуально инициализированными представлениями слов для предсказания замаскированных токенов и изучения визуальной привязки.

75скачиваний за 30 дней0лайковвеса обновлены20 сен 2026

Бенчмарки

Как модель справилась с задачами пользователей ailist и что о ней публикуют открытые лидерборды

Публичные оценки

Из открытых лидербордов. Сравнивайте результаты одного теста при одинаковых условиях — отсутствие оценки не значит, что модель хуже.

В подключённых источниках результатов для этой модели пока нет.

Что умеет модель

Описание составлено по карточке модели и метаданным Hugging Face

Это исследовательская модель DeBERTa-v3-base, разработанная проектом Augustinian BabyLM для изучения того, как визуальная привязка слов влияет на обучение небольших языковых моделей. Она предсказывает замаскированные токены в тексте и использует визуально инициализированные представления для конкретных слов: признаки областей SAM ViT-B связывали со словами через синтетические описания сцен и обнаружение объектов. Модель содержит 170,8 млн параметров, имеет 12 слоёв, скрытый размер 768 и контекст до 1024 токенов; обучена на англоязычном корпусе примерно из 9,9 млн слов.

Модель предназначена для экспериментов с усвоением значений конкретных слов и визуальной привязкой в малых языковых моделях. В описанных результатах показан выигрыш на тестах свойств объектов, тогда как грамматические бенчмарки остались примерно на прежнем уровне. Это исследовательский артефакт на нестандартном корпусе, поэтому его результаты нельзя напрямую сопоставлять с моделями, обученными на официальном наборе BabyLM 2026 strict-small; архитектура ограничена masked language modeling. Лицензия — CC BY 4.0.

Сценарии применения

  • предсказание пропущенных слов в английском тексте
  • исследование усвоения значений конкретных слов малой языковой моделью
  • оценка влияния визуальной привязки на понимание свойств объектов
  • сравнение языковой модели с визуальной инициализацией и базовой версией

Ограничения

Обучена на нестандартном корпусе, поэтому результаты напрямую несопоставимы с моделями на официальном наборе BabyLM 2026 strict-small. Поддерживает только masked language modeling и заявлена как исследовательский артефакт, не предназначенный для развёртывания.

Для каких профессий подходит3

Разделы каталога профессий, в задачах которых используется эта модель

Все профессии

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

deberta-base-75k-sam_ext-s2

Vision-seeded model with synthetically extended grounding. On top of the real region features, 1,151 previously unseeded concrete words were grounded by generating scene descriptions with an LLM, rendering them with a text-to-image model, localizing the target with an open-vocabulary detector, and pooling SAM ViT-B features inside the detected boxes (+737 seeded tokens).

Seed 2 of 3. This configuration was retrained with three random seeds: augustinian-babylm/deberta-base-75k-sam_ext-s1, augustinian-babylm/deberta-base-75k-sam_ext-s2, augustinian-babylm/deberta-base-75k-sam_ext-s3.

Baseline: augustinian-babylm/deberta-base-75k.

Part of the model set for Augustinian BabyLM: What Ostensive Definition Can and Cannot Teach a Small Language Model (paper, code).

Usage

from transformers import AutoModelForMaskedLM, AutoTokenizer
tok = AutoTokenizer.from_pretrained("augustinian-babylm/babylm-bpe-75k")
model = AutoModelForMaskedLM.from_pretrained("augustinian-babylm/deberta-base-75k-sam_ext-s2")

Training

DeBERTa-v3-base masked LM (768 hidden, 12 layers, 12 heads), trained for 10 epochs on bb24.train, the ~9.9M-word corpus of Edman et al. (2024), which mixes LLM-generated paraphrase data with portions of the official BabyLM corpus. This is not the official 2026 strict-small distribution.

Learning rate2e-4, cosine schedule, 4000 warmup steps
OptimizerAdamW (beta1 0.9, beta2 0.95), weight decay 0.01
Effective batch256 (gradient accumulation 4)
Context length64 to 128 from epoch 5, max 512
VocabularyBPE, 75k merges (augustinian-babylm/babylm-bpe-75k)

Only the input-embedding initialization differs between a vision-init model and its baseline. Every other hyperparameter, the data order, and the random seed are held fixed.

Checkpoints

Intermediate checkpoints are stored as branches, saved Pythia-style by step:

from transformers import AutoModelForMaskedLM
AutoModelForMaskedLM.from_pretrained("augustinian-babylm/deberta-base-75k-sam_ext-s2", revision="step256")

Call huggingface_hub.list_repo_refs("augustinian-babylm/deberta-base-75k-sam_ext-s2") to list the available steps.

Results

Vision seeding produces a consistent object-property gain (COMPS, +1.30 averaged over nine encoder-by-vocabulary configurations, positive in all nine) while grammar-focused benchmarks stay flat. On a corpus-tailored Visual-Property Swap probe the seeded model leads the baseline in all three training seeds; a pair-level re-analysis shows that the advantage cannot be attributed to the individual seeded words. Details: https://github.com/bylinina/augustinian_babylm

Limitations

Trained on a non-standard corpus (see above), so results are not directly comparable to submissions trained on the official 2026 strict-small data. Single masked-LM architecture. Research artifact, not intended for deployment.

Citation

@inproceedings{bylinina2026augustinian,
  title     = {Augustinian BabyLM: What Ostensive Definition Can and Cannot
               Teach a Small Language Model},
  author    = {Bylinina, Lisa},
  booktitle = {Proceedings of the BabyLM Workshop},
  year      = {2026},
  url       = {https://openreview.net/forum?id=B4TD4XdlwF}
}

Как запустить

На своей GPU в ailist. Цена — по текущим предложениям провайдеров

GPU в ailist

Универсальный рантайм · transformers · fill-mask

Можно запустить

Подбираем GPU…

Класс архитектуры
DebertaV2ForMaskedLM
Ревизия весов
c066565

0 моделей